python正则表达式

Posted 2020-11-20 嘉禾世兴

No1：

在正则表达式中，如果直接给出字符，就是精确匹配。用\\d可以匹配一个数字，\\w可以匹配一个字母或数字，所以：

• \'00\\d\'可以匹配\'007\'，但无法匹配\'00A\'；

• \'\\d\\d\\d\'可以匹配\'010\'；

• \'\\w\\w\\d\'可以匹配\'py3\'；

.可以匹配任意字符，所以：

• \'py.\'可以匹配\'pyc\'、\'pyo\'、\'py!\'等等。

No2：

要匹配变长的字符，在正则表达式中，用*表示任意个字符（包括0个），用+表示至少一个字符，用?表示0个或1个字符，用{n}表示n个字符，用{n,m}表示n-m个字符：

来看一个复杂的例子：\\d{3}\\s+\\d{3,8}。

我们来从左到右解读一下：

1. \\d{3}表示匹配3个数字，例如\'010\'；

2. \\s可以匹配一个空格（也包括Tab等空白符），所以\\s+表示至少有一个空格，例如匹配\' \'，\' \'等；

3. \\d{3,8}表示3-8个数字，例如\'1234567\'。

综合起来，上面的正则表达式可以匹配以任意个空格隔开的带区号的电话号码。

如果要匹配\'010-12345\'这样的号码呢？由于\'-\'是特殊字符，在正则表达式中，要用\'\\\'转义，所以，上面的正则是\\d{3}\\-\\d{3,8}。

No3：

要做更精确地匹配，可以用[]表示范围，比如：

• [0-9a-zA-Z\\_]可以匹配一个数字、字母或者下划线；

• [0-9a-zA-Z\\_]+可以匹配至少由一个数字、字母或者下划线组成的字符串，比如\'a100\'，\'0_Z\'，\'Py3000\'等等；

• [a-zA-Z\\_][0-9a-zA-Z\\_]*可以匹配由字母或下划线开头，后接任意个由一个数字、字母或者下划线组成的字符串，也就是Python合法的变量；

• [a-zA-Z\\_][0-9a-zA-Z\\_]{0, 19}更精确地限制了变量的长度是1-20个字符（前面1个字符+后面最多19个字符）。

A|B可以匹配A或B，所以(P|p)ython可以匹配\'Python\'或者\'python\'。

^表示行的开头，^\\d表示必须以数字开头。

$表示行的结束，\\d$表示必须以数字结束。

你可能注意到了，py也可以匹配\'python\'，但是加上^py$就变成了整行匹配，就只能匹配\'py\'了

No4：

>>> import re
>>> re.match(r\'^\\d{3}\\-\\d{3,8}$\', \'010-12345\')
<_sre.SRE_Match object; span=(0, 9), match=\'010-12345\'>
>>> re.match(r\'^\\d{3}\\-\\d{3,8}$\', \'010 12345\')
>>>

match()方法判断是否匹配，如果匹配成功，返回一个Match对象，否则返回None。

No5：

切分字符串

>>> \'a b   c\'.split(\' \')
[\'a\', \'b\', \'\', \'\', \'c\']

>>> re.split(r\'\\s+\', \'a b   c\')
[\'a\', \'b\', \'c\']

>>> re.split(r\'[\\s\\,]+\', \'a,b, c  d\')
[\'a\', \'b\', \'c\', \'d\']

>>> re.split(r\'[\\s\\,\\;]+\', \'a,b;; c  d\')
[\'a\', \'b\', \'c\', \'d\']

No6：

分组

识别合法的时间

>>> t = \'19:05:30\'
>>> m = re.match(r\'^(0[0-9]|1[0-9]|2[0-3]|[0-9])\\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])\\:(0[0-9]|1[0-9]|2[0-9]|3[0-9]|4[0-9]|5[0-9]|[0-9])$\', t)
>>> m.groups()
(\'19\', \'05\', \'30\')

对于\'2-30\'，\'4-31\'这样的非法日期，用正则还是识别不了，或者说写出来非常困难，这时就需要程序配合识别了

No7：

贪婪匹配

非贪婪匹配

No8：

预编译正则表达式